HelloWorld 开发者社区

科技资讯

全部资讯

开源项目

全部项目

推荐好文

轻量级图卷积网络LightGCN介绍和构建推荐系统示例

推荐系统是当今业界最具影响力的ML任务。从淘宝到抖音,科技公司都在不断尝试为他们的特定应用程序构建更好的推荐系统。而这项任务并没有变得更容易,因为我们每天都希望看到更多可供选择的项目。所以我们的模型不仅必须做出最优推荐,而且还必须高效地做出推荐。今天介绍的这个模型被称作:LightGraph

SAPD:FSAF升级版,合理的损失值加权以及金字塔特征选择 | ECCV 2020

<blockquote针对anchorpoint检测算法的优化问题,论文提出了SAPD方法,对不同位置的anchorpoint使用不同的损失权重,并且对不同的特征金字塔层进行加权共同训练,去除了大部分人为制定的规则,更加遵循网络本身的权值进行训练<br/ <br/来源:晓飞的算法工程

FoveaBox:细节差别,另一种DenseBox+FPN的Anchor-free方案 | IEEE TIP 2020

<blockquote作为与FCOS和FSAF同期的Anchorfree论文,FoveaBox在整体结构上也是基于DenseBox加FPN的策略,主要差别在于FoveaBox只使用目标中心区域进行预测且回归预测的是归一化后的偏移值,还有根据目标尺寸选择FPN的多层进行训练,大家可以学习下

优化算法之手推遗传算法(Genetic Algorithm)的详细步骤图解

遗传算法可以做什么?遗传算法是元启发式算法之一。它有与达尔文理论(1859年发表)的自然演化相似的机制。如果你问我什么是元启发式算法,我们最好谈谈启发式算法的区别。启发式和元启发式都是优化的主要子领域,它们都是用迭代方法寻找一组解的过程。启发式算法是一种局部搜索方法,它只能处理特定

SaccadeNet:使用角点特征进行two-stage预测框精调 | CVPR 2020

<blockquoteSaccadeNet基于中心点特征进行初步的目标定位,然后利用初步预测框的角点特征以及中心点特征进行预测框的精调,整体思想类似于twostage目标检测算法,将第二阶段的预测框精调用的区域特征转化为点特征。SaccadeNet在精度和速度上都可圈可点,整体思想十分不错<

正在加载更多文章…

加载更多

已加载文章中没有匹配内容,可继续加载更多。